Dieser Beitrag beschreibt das Projekt DocAgents.de: ein KI-Multiagentensystem, das Studien zu ME/CFS, Long COVID, Fibromyalgie und Hashimoto auswertet und die Erkenntnisse in einem Wissensgraphen (Ontologie) sowie in einem fortlaufend wachsenden Buch zusammenführt.

Warum diese Krankheitsbilder so schwer zu fassen sind

Autoimmunerkrankungen und immunologisch geprägte Krankheitsbilder gehören zu den komplexesten Themen der Medizin. Das Immunsystem ist kein abgeschlossenes Organ, sondern ein Regelkreis, der mit dem Hormonhaushalt, dem Nervensystem, dem Darm und dem Energiestoffwechsel in ständigem Austausch steht. Eine Störung bleibt deshalb selten dort, wo sie beschrieben wurde.

Richtig unübersichtlich wird es, wenn mehrere Erkrankungen gleichzeitig vorliegen, und genau das ist eher die Regel als die Ausnahme. Hashimoto tritt häufig gemeinsam mit weiteren Autoimmunprozessen auf. ME/CFS, Long COVID und Fibromyalgie überschneiden sich in Symptomatik, Diagnostik und vermuteten Mechanismen so stark, dass die Abgrenzung selbst Gegenstand der Forschung ist. Dazu kommen Begleitbilder wie Störungen der autonomen Regulation, Mastzellprobleme oder Nährstoff- und Belastungsthemen.

Diese Bilder addieren sich nicht einfach, sie greifen ineinander. Eine Schilddrüsenfehlfunktion verändert Energiestoffwechsel und Belastbarkeit und damit die Bewertung von Erschöpfungssymptomen. Eine Entzündungsaktivität verschiebt Laborwerte, die anderswo zur Diagnostik herangezogen werden. Ein Befund kann zu mehreren Erkrankungen passen, und dieselbe Beschwerde kann in verschiedenen Fachrichtungen völlig unterschiedlich eingeordnet werden. Wer nur eine Diagnose betrachtet, sieht zwangsläufig ein unvollständiges Bild, und Wechselwirkungen zwischen den Erkrankungen fallen genau in die Lücke zwischen den Zuständigkeiten.

Das Problem: Wissen ohne Zusammenhang

Wer sich in die Forschung zu ME/CFS, Long COVID, Fibromyalgie oder Hashimoto einarbeitet, stößt auf ein strukturelles Problem: Relevante Erkenntnisse liegen über viele Fachdisziplinen verstreut, von der Immunologie über die Endokrinologie bis zur Neurologie, und sind kaum im Zusammenhang lesbar.

Das ist kein Zufall, sondern eine Folge der Arbeitsteilung in der Wissenschaft. Eine Studie zur Mitochondrienfunktion erscheint in einer anderen Fachzeitschrift, in einer anderen Sprache und mit einer anderen Leserschaft als eine Arbeit zur Autoimmunserologie oder zur autonomen Regulation. Jede Disziplin beschreibt einen Ausschnitt sauber, und niemand ist dafür zuständig, die Ausschnitte aneinanderzulegen. Bei Erkrankungen, die genau an den Nahtstellen zwischen Immunsystem, Hormonhaushalt, Nervensystem und Energiestoffwechsel liegen, fällt damit ausgerechnet das weg, worauf es ankommt: das Bild dazwischen.

Erschwerend kommt hinzu, dass diese Krankheitsbilder umstritten und unterschiedlich gut erforscht sind. Zu einer Aussage gibt es zehn belastbare Arbeiten, zur nächsten eine einzelne kleine Studie, zur übernächsten zwei Publikationen, die sich widersprechen. In Übersichtsartikeln und erst recht in populären Zusammenfassungen verschwindet dieser Unterschied. Alles liest sich am Ende gleich sicher, und genau das macht die vorhandene Literatur für Betroffene, Angehörige und interessierte Laien so schwer nutzbar.

Der Ansatz: Fachrichtungen als Agenten

Als Softwarearchitekt habe ich versucht, dieses Problem mit den Mitteln meines Fachs anzugehen. Das Ergebnis ist DocAgents.

25 spezialisierte KI-Agenten, deren Rollen medizinischen Fachrichtungen nachempfunden sind, analysieren die Fachliteratur jeweils aus ihrem eigenen Blickwinkel, gewichten die Evidenzlage, bauen eine medizinische Ontologie auf und machen Zusammenhänge in einem Wissensgraphen sichtbar.

Die Aufteilung in Rollen ist dabei kein Selbstzweck. Ein einzelnes Modell, das eine Studie „allgemein“ auswertet, produziert allgemeine Zusammenfassungen. Lässt man dagegen dieselbe Arbeit nacheinander aus immunologischer, endokrinologischer, neurologischer und stoffwechselbezogener Perspektive lesen, entstehen unterschiedliche Fragen an denselben Text, und damit unterschiedliche Anknüpfungspunkte. Genau diese Anknüpfungspunkte sind das eigentliche Produkt: Sie werden nicht als Fließtext abgelegt, sondern als benannte Begriffe und Beziehungen in einer Ontologie, die über alle Themen hinweg dieselbe bleibt.

Dadurch lässt sich eine Aussage zu Long COVID mit einer Aussage zu ME/CFS verknüpfen, wenn beide denselben Mechanismus oder denselben Messwert betreffen, auch wenn sie aus völlig getrennten Literatursträngen stammen. Neben den einzelnen Krankheitsbildern gibt es deshalb einen themenübergreifenden Bereich zu Diagnostik und Messwerten, in dem sich diese Querverbindungen sammeln.

Evidenz sichtbar machen statt glätten

Der zweite Baustein ist die Kennzeichnung. Jede Aussage im System trägt ihre Evidenzstufe und ihre wörtliche Belegstelle: mehrfach belegt, einfach belegt, Vermutung, KI-Schlussfolgerung oder umstritten. Quellen durchlaufen vorab eine Bewertung und müssen eine Mindestpunktzahl erreichen, damit nicht jeder Blogartikel denselben Rang bekommt wie eine kontrollierte Studie.

Widersprüche werden nicht aufgelöst, sondern als Widersprüche markiert. Das ist eine bewusste Entscheidung gegen die übliche Arbeitsweise von Sprachmodellen, die aus widersprüchlichem Material am liebsten eine glatte, plausibel klingende Antwort formen. Für ein Nachschlagewerk ist die glatte Antwort die schlechtere: Sie verbirgt genau die Stellen, an denen man selbst weiterlesen müsste. Auch Themenbereiche mit schwacher Studienlage bleiben deshalb enthalten, aber ausdrücklich als solche gekennzeichnet.

Machbarkeitsnachweis für eine größere Idee

Das Projekt versteht sich als Machbarkeitsnachweis für eine größere Vision: ein offenes, wachsendes Wissensgerüst, in dem jede Aussage ihre Evidenzstufe und ihre wörtliche Belegstelle trägt, Widersprüche sichtbar bleiben statt geglättet zu werden und Lücken als solche erkennbar sind.

Der technische Rahmen steht; jetzt geht es darum, ihn mit Forschung aus aller Welt zu befüllen. Jede neue Information wird dabei in die Ontologie eingeordnet und mit dem Bestehenden verknüpft, sodass nach und nach ein Zusammenhang entsteht, den keine einzelne Disziplin allein abbilden kann. Der Aufwand pro zusätzlicher Quelle sinkt mit der Zeit, weil ein großer Teil der Begriffe bereits existiert und neue Arbeiten überwiegend andocken, statt neue Strukturen zu erzwingen.

Was das System nicht ist

Mir ist bewusst, dass ein solches System keinen wissenschaftlichen Erkenntnisstand ermittelt und keine Forschung ersetzt; es ist ein experimentelles IT-Werkzeug, das Wissen ordnet, nicht erzeugt. Es ersetzt keine ärztliche Beratung, trifft keine Diagnosen und spricht keine Empfehlungen aus.

Wer sich einen Eindruck verschaffen möchte, findet die Recherchen und den Wissensgraphen unter DocAgents.de.